We have all heard the phrase “correlation does not equal causation.” What, then, does equal causation? This course aims to answer that question and more!
제공자:
A Crash Course in Causality: Inferring Causal Effects from Observational Data
펜실베이니아 대학교이 강좌에 대하여
최근 조회 46,189회
학습자 경력 결과
33%
가 이 강좌를 수료한 후 새로운 커리어를 시작함
19%
가 이 강좌를 통해 확실한 경력상 이점을 얻음
유동적 마감일
일정에 따라 마감일을 재설정합니다.
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
중급 단계
완료하는 데 약 18시간 필요
영어
자막: 프랑스어, 포르투갈어 (유럽), 러시아어, 영어, 스페인어
귀하가 습득할 기술
Instrumental VariablePropensity Score MatchingCausal InferenceCausality
학습자 경력 결과
33%
가 이 강좌를 수료한 후 새로운 커리어를 시작함
19%
가 이 강좌를 통해 확실한 경력상 이점을 얻음
유동적 마감일
일정에 따라 마감일을 재설정합니다.
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
중급 단계
완료하는 데 약 18시간 필요
영어
자막: 프랑스어, 포르투갈어 (유럽), 러시아어, 영어, 스페인어
제공자:
펜실베이니아 대학교
The University of Pennsylvania (commonly referred to as Penn) is a private university, located in Philadelphia, Pennsylvania, United States. A member of the Ivy League, Penn is the fourth-oldest institution of higher education in the United States, and considers itself to be the first university in the United States with both undergraduate and graduate studies.
강의 계획 - 이 강좌에서 배울 내용
완료하는 데 4시간 필요
Welcome and Introduction to Causal Effects
This module focuses on defining causal effects using potential outcomes. A key distinction is made between setting/manipulating values and conditioning on variables. Key causal identifying assumptions are also introduced.
완료하는 데 4시간 필요
8개 동영상 (총 128분)
완료하는 데 2시간 필요
Confounding and Directed Acyclic Graphs (DAGs)
This module introduces directed acyclic graphs. By understanding various rules about these graphs, learners can identify whether a set of variables is sufficient to control for confounding.
완료하는 데 2시간 필요
8개 동영상 (총 86분)
완료하는 데 5시간 필요
Matching and Propensity Scores
An overview of matching methods for estimating causal effects is presented, including matching directly on confounders and matching on the propensity score. The ideas are illustrated with data analysis examples in R.
완료하는 데 5시간 필요
12개 동영상 (총 171분)
완료하는 데 3시간 필요
Inverse Probability of Treatment Weighting (IPTW)
Inverse probability of treatment weighting, as a method to estimate causal effects, is introduced. The ideas are illustrated with an IPTW data analysis in R.
완료하는 데 3시간 필요
9개 동영상 (총 119분)
검토
A CRASH COURSE IN CAUSALITY: INFERRING CAUSAL EFFECTS FROM OBSERVATIONAL DATA의 최상위 리뷰
WL 제공2019년 3월 16일
Very easy to follow examples and great coverage for such an important topic! The delivery sometimes get repetitive and I wish we talked more about how the uncertainties are derived.
JC 제공2020년 11월 20일
A high quality course that delivers what it says in the title. Well-paced introduction to the potential outcomes framework, with a nice balance of theoretical and practical aspects.
MF 제공2017년 12월 27일
I really enjoyed this course, the pace could be more even in parts. Sometimes the pace could be more even and some more books/reference material for further study would be nice.
FF 제공2017년 11월 29일
The material is great. Just wished the professor was more active in the discussion forum. Have not showed up in the forum for weeks. At least there should be a TA or something.
자주 묻는 질문
강의 및 과제를 언제 이용할 수 있게 되나요?
이 수료증을 구매하면 무엇을 이용할 수 있나요?
Is financial aid available?
궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.
